沈 勇 梅 俊 謝 晶

(1. 上海水產品加工及貯藏工程技術研究中心，上海 201306；2. 上海冷鏈裝備性能與節(jié)能評價專業(yè)技術服務平臺，上海 201306；3. 食品科學與工程國家級實驗教學示范中心﹝上海海洋大學﹞，上海 201306；4. 上海海洋大學食品學院，上海 201306)

近年來，水產品的安全問題越來越受消費者關注，保鮮和加工水產品的消費比例逐漸上升[1]。自然條件下水產品很快就會腐敗變質，從而失去食用價值[2]。其腐敗變質主要分為外部因素和內部因素。外部因素是指水產品所處的環(huán)境條件，包括水分活度、溫度以及微生物等；內部因素主要是水產品自身的特性，包括營養(yǎng)成分、水產品自身的酶、pH等[3]。其中，微生物是水產品腐敗的主要原因[4]，每年有30%的漁獲物因微生物活動而損失[5]。水產品所攜帶的微生物中部分微生物參與腐敗過程，這些產生腐敗臭味的菌群就是該產品的特定腐敗菌[6-8]。特定腐敗菌的繁殖與水產品的腐敗速度和程度有很強的相關性。因此通過預測特定腐敗菌的生長情況就可以預測水產品的貨架期[8]。另外水產品在被消費之前可能被病原微生物污染，這類微生物是引發(fā)食源性疾病的主要因素之一，在發(fā)展中國家每年因食源性疾病死亡人數達180萬，食用被污染的水產品引發(fā)的食源性疾病約占20%[9]。因此，對水產品中食源性致病微生物進行風險評估是食品安全風險評估體系非常重要的部分[10]。

為了實現預測貨架期和對食品安全性做出快速評估，預測微生物學的產生和發(fā)展發(fā)揮了重要作用，預測微生物學是運用微生物學、工程數學以及統(tǒng)計學進行數學建模的一門新興學科，通過建立的模型對特定環(huán)境條件下微生物的生長和死亡規(guī)律進行預測，從而達到預測貨架期和對食品安全性做出快速評估的目的[11]。本文對水產品貨架期預測的相關研究進行了綜述。

1 預測微生物學概述

20世紀80年代初，為了解決微生物生長與食品安全性的矛盾，Ross等[12]最先提出“微生物預報技術”這一概念，從此預測微生物學應運而生。預測微生物學的應用需要可靠的數據庫和各類數學模型的建立才能預測食品中微生物的生長情況。所以，自從預測微生物學誕生后，科學家們都在不斷地努力建立微生物動態(tài)數據庫和模型，同時加以驗證其有效性。預測微生物的模型通常被分為初級模型、二級模型、三級模型[13]。初級模型是用來描述微生物數量與時間的關系，主要包括Gompertz方程[式(1)]、Baranyi方程[式(2)、(3)]及Logistic方程[式(4)]等，二級模型描述環(huán)境因素的變化如何影響初級模型中的參數，主要有響應面方程、平方根方程[式(5)、(6)]及Arrhenius方程[式(7)]等，三級模型是在初級模型和二級模型的基礎上，通過計算機模擬獲得預測微生物學的信息和指導(建立預測微生物軟件)，主要軟件有美國農業(yè)部微生物食品安全機構開發(fā)的PMP(Pathogen Modeling Program)，以及英國食品標準和食品研究協會和美國農業(yè)部農業(yè)研究服務機構和下屬的東部地區(qū)研究中心以及澳大利亞食品安全中心聯合開發(fā)的ComBase等。

Gompertz模型[14]表達式：

lgNt=A+C×exp{-exp[-B×(t-t1)]}，

(1)

式中：

Nt——在時間t時微生物的數量，CFU/g；

t——時間，h；

A——初始菌數；

B——在時間t1時相對最大比生長速率，h-1；

C——隨時間無限增加時菌數量的對數值，lg CFU/mL；

t1——達到相對最大比生長速率所需要的時間，h。

Baranyi方程[15]表達式：

(2)

(3)

式中：

t——貯藏時間，d；

N0——初始微生物數量，lg CFU/g；

Nmax——貯藏過程中微生物總數最大值，lg CFU/g；

μmax——微生物生長的最大比生長速率，d-1；

v——速率常數；

h0——遲滯時間，d。

Logistic方程[16]表達式：

(4)

式中：

m——菌體濃度的對數值；

m*——菌體最大濃度時的對數值；

μ(T)——生長速率。

平方根方程[17]表達式：

(5)

(6)

式中：

k——最大生長速率，h-1；

λ——恒溫條件下遲滯期；

bk、bλ——方程常數；

T——攝氏溫度，℃；

Tmin——微生物沒有代謝活動時的理論最小溫度，℃。

Arrhenius方程[18]表達式：

(7)

式中：

k——化學反應速率常數；

k0——前因子；

Ea——活化能，J/mol；

T——絕對溫度，K；

R——氣體常數。

2 預測模型在水產品貨架期中的應用

2.1 預測模型在魚類產品貨架期中的應用

水產魚類的質量直接決定其市場價格[16]，所以保鮮極其重要[19]。魚類腐敗變質是由多種因素導致的，但微生物的活動是最重要的因素，侯溫甫等[20]通過減菌處理使得菌落總數和冷鮮草魚特定腐敗菌假單胞菌的數量下降，達到了延長其貨架期的目的。

魚類腐敗變質時，其感官、微生物和化學指標都會發(fā)生相應的變化。因此，國內外許多文獻[21-22]都對這些指標及其和貨架期之間的關系進行研究，以便構建預測模型來預測水產魚類的貨架期。水產品中的特定腐敗菌是造成水產品腐敗的主要原因，評估特定腐敗菌的代謝能力和菌體密度可知魚的新鮮度，因此對特定腐敗菌的生長狀況進行預測就可以判斷水產品的貨架期[23]。王亞楠等[24]利用假單胞菌落數作為草魚片貯藏中鮮度判定的指標之一，并通過Gompertz模型較好地擬合了0～20 ℃條件下鮮切草魚薄片中假單胞菌的生長模型。初級模型Gompertz方程的特點是開始增長較慢，逐漸加快之后又減速，最后會趨近一條水平線，能夠較好地模擬微生物典型的S型生長曲線，因此很多研究者[25]利用該曲線來描述特定腐敗菌的生長，從而進一步判斷水產品的貨架期。假單胞菌是許多魚類的特定腐敗菌，Mik?krajnik等[26]確定三文魚的特定腐敗菌是假單胞菌后，使用改進的Gompertz模型來預測貨架期；Zhong等[27]通過Gompertz模型很好地描述了假單胞菌屬的生長動力學，同時經過試驗證明在0～15 ℃時，在3，8 ℃下，預測貨架期和實際貨架期之間的誤差分別為3.47%和-7.91%，表明研究中建立的微生物生長模型對在0～15 ℃有氧存放的羅非魚的貨架期預測是有效的；張李浩等[28]基于修正的Gompertz方程建立的假單胞菌生長動力學數學模型可以快速、可靠地實時預測0～15 ℃冷藏羅非魚的剩余貨架期；Li[29]的研究表明結合Gompertz模型對在0～15 ℃儲存的鯽魚也是有效的。預測微生物學中有許多的模型可以供選擇，可以選擇不同的模型應用于水產魚類的貨架期預測。Arrhenius模型和平方根模型是常用的二級模型，Arrhenius模型和平方根方程可應用于描述溫度對微生物生長速率的影響，從而達到預測水產品貨架期的目的。Powell等[30]研究發(fā)現利用Belehradek模型對0～10 ℃ 不同等溫條件下氣調包裝中三文魚腐敗菌的生長擬合效果最佳；章志超等[31]通過研究發(fā)現基于平方根方程建立的模型可以更有效地預測有氧包裝鱘魚在0～20 ℃ 貯藏溫度下熒光假單胞菌的生長及相應貨架期。Tsironi等[32]利用Arrhenius型模型描述了加工對假單胞菌生長的影響，并開發(fā)預測金頭鯛的貨架期預測模型，驗證表明該模型可以令人滿意地預測在恒定和非等溫條件下滲透預處理的金頭鯛魚片中假單胞菌屬的生長，并且可以在真實冷鏈的變溫條件下可靠地應用；雷志方等[33]結合動力學模型和Arrhenius方程基于各個指標分別得到金槍魚貨架期預測模型并與實際貨架期進行對比，其中在貯藏溫度為0，8 ℃下，基于菌落總數的貨架期預測模型的預測值與實際值的相對誤差在7%之內。目前判斷水產品質量與安全的指標除了微生物指標外，還有物理指標、化學指標以及感官指標，而利用這些指標以及組合的數據來評價構建和驗證預測模型使得研究更具有說服力，同時，為了更好地預測水產品的貨架期，研究者們在經典模型的基礎上進行修正或者組合，從而進一步開發(fā)出了更多有效的預測模型。張晨雪等[34]通過對鲅魚研究發(fā)現菌落總數、產H2S菌、假單胞菌作為鲅魚貯藏過程中的鮮度指標與感官評價具有一致性；潘文龍等[35]將河鯽魚分別貯藏在0，6，9，12，18 ℃條件下，根據河鯽魚的TVB-N、脂肪氧化(TBA)、菌落總數(TVC)、K值所建立的貨架期預測模型的貨架期預測值相對誤差均在5%以內，其中TVC的決定系數最大為0.991 6；宋志強等[14]通過研究活草魚上切取的魚腩為樣品，用一級模型和二級模型推導得出貨架期預測模型，并預測魚腩在0～15 ℃條件下的貨架期，結果顯示較為可靠；桂萌等[36]通過對包裝鱘魚中特定腐敗菌和菌落總數生長規(guī)律建立的貨架期預測模型都能很好地預測托盤包裝鱘魚片0～20 ℃貯藏的貨架期；Garcíaa等[16]利用微生物生長的動態(tài)模型并考慮環(huán)境因素、捕撈方法、貯藏條件等因素提出一種在不同儲存溫度下預測鱈魚貨架期的方法。綜上所述，為了預測魚類水產品的貨架期，研究人員主要是經過在不同溫度下貯藏魚類，然后根據相應的指標建立一級模型，再在該基礎上選擇方程建立二級模型并利用該模型預測貨架期，但由于初級模型和二級模型可供選擇的模型較多，研究中往往只選擇某一個方程構建模型進行貨架期預測，因此選擇的模型不一定是最優(yōu)的模型，建議今后的研究可以同時選擇多個方程分別進行模擬，然后得出最適合的模型，從而減小預測值與實際值之間的誤差。另外由于所測數據是不連續(xù)的，為了減小誤差，在研究過程中應適當增加所測數據的量。

總之，基于合適的動力模型進行貨架期預測是一個研究熱點。魚類產品由于其相比蝦貝類貨架期較長，預測模型能夠更好地發(fā)揮其預測作用，因此，預測模型在魚類產品中的應用研究較多。

2.2 預測模型在蝦類產品貨架期中的應用

蝦味道鮮美，營養(yǎng)豐富，深受人們的喜愛，但蝦的水分和蛋白質含量高，易被微生物利用而造成腐敗。Na等[37]在研究ε-聚賴氨酸和殼聚糖對太平洋白蝦保鮮效果時，根據腐敗菌的數量來確定太平洋白蝦的質量并利用Gompertz模型預測太平洋白蝦中腐敗菌的生長。陳建林等[38]制得重組蝦肉制品后，經過對貯存期間蝦品質變化進行分析，利用Arrhenius方程建立重組蝦肉貨架期預測模型，并且由驗證實驗得到的貨架期預測值與實際值的相對誤差均在10%以內。在國外也有相關的研究， Dabadé等評估了在28，7，0 ℃下儲存期間被污染的熱帶咸水蝦的微生物、感官和化學變化，并開發(fā)了預測熱帶蝦貨架期的模型[39]，之后利用Arrhenius方程建立恒定儲存溫度下貨架期預測模型[40]，并驗證了恒定儲存溫度下和變溫下預測蝦保質期的模型，這些模型的驗證表明，它們可用于預測煮熟和新鮮熱帶蝦的保質期。Mejlholm等[41]研究了鹽水在冷凍溫度下對即食冷水蝦加工和隨后儲存期間腐敗和病原菌生存和生長的影響，建立相關微生物的生長動力模型，其結果表明這些模型準確預測鹽水腌制蝦中萊氏酵母和單增李斯特菌的生長速度，所以也表明這些模型可以用于開發(fā)建立即食蝦的貨架期預測。Diallo等[42]利用Baranyi模型和Ratkowsky平方根模型以及Sigmoidal函數作為二次模型，開發(fā)動態(tài)模型對熟蝦的貨架期進行預測。在這些國內外的研究中，經過不同處理都模擬出有效的預測模型來預測蝦類產品的貨架期，說明預測模型的適用性非常強，在食品貨架期預測方面具有廣闊的應用前景。

2.3 預測模型在貝類產品貨架期中的應用

鮮度是貝類的主要品質指標，是決定其價格的主要因素，但貝類死后極易腐敗變質[43]，因此對其在儲存過程中品質變化的研究非常重要。曹榮[44]對太平洋牡蠣儲存過程細菌菌相和品質進行了分析，并基于修正的Gompertz方程建立了牡蠣在冷藏條件下的貨架期預測模型；王娜等[45]則在一級化學反應動力學模型和Arrhenius動力學方程基礎之上，建立即食花蛤貨架期預測模型，并驗證即食花蛤貨架期預測值與實測值之間的相對誤差在5%以內；李龍飛等[46]為了能夠對0～10 ℃條件下牡蠣肉的貨架期進行預測，通過一級反應和Arrhenius方程建立了以菌落總數為指標的貨架期預測模型，其誤差在10%以內，說明能夠對0～10 ℃低溫牡蠣肉的貨架其進行預測。吳雪麗等[47]通過一級動力學方程結合Arrhenius方程建立了扇貝貨架期預測模型，并通過貨架期預測值與實測值進行比較發(fā)現建立的模型可以快速可靠地預測不同溫度貯藏條件下扇貝的品質和剩余貨架期。Fang等[48]開發(fā)初級和次級模型描述去殼牡蠣中沙門氏菌以及背景微生物的生長動力學模型，經過驗證這些模型可用于預測儲存期間未加工牡蠣的貨架期。目前，對貝類的微生物預測模型的研究較少，但由于貝類營養(yǎng)豐富深受消費者喜愛，保證貝類產品的質量安全具有重要的意義，因此，預測模型對貝類的保鮮在未來將會揮發(fā)出更大的作用。

3 結語

預測微生物學可以根據產品生產、加工、運輸、貯藏、銷售過程中溫度波動和環(huán)境因子來預測產品的貨架期和安全性。在這個過程中人們可以根據環(huán)境因子和預測結果來調控這些影響因素，從而達到延長貨架期和提高食用安全性的目的。

預測微生物學的核心是建立可靠的模型和基礎數據庫，但是由于產品基質不完全相同，所處的環(huán)境也有差異，所以在進行微生物預測時選擇合適的模型非常重要。另外，雖然科學家們進行了大量的試驗獲得了基礎數據，但是由于測得的數據都是非連續(xù)的，而且各種因子之間存在相互影響，所以存在一定誤差。不過，預測微生物學具有快速判斷產品貨架期和安全性的優(yōu)點。未來基礎數據庫也會越來越完善，對應各種產品和環(huán)境因子的數學模型也會越來越多。預測微生物學的準確率會大大提高，在未來預測微生物學會發(fā)揮出更大的潛力。